📰 研报摘要
查看全文 ➔摘要： 本报告分析了 AI 产业从“模型训练”向“模型推理”及“Agentic AI（智能体）”阶段演进带来的基础设施变革。核心观点认为，算力瓶颈正由 GPU 单点算力转向 CPU-GPU 异构协同，CPU 角色由辅助组件升级为执行中枢，将带动国产 CPU 及数据中心产业链的结构性机遇。
行业主线：
- CPU 角色质变：在 Agentic AI 场景下，CPU 需承担任务规划、工具调用、状态维护等复杂系统任务，CPU:GPU 配比由训练阶段的 1:8 演进至推理阶段 1:3~1:4，Agent 阶段接近 1:2。
- 架构演进趋势：AI 基础设施正进入“系统级竞争”时代，向类似“AI 大型机”的模式演进，强调 CPU、GPU、内存、网络与软件栈的整体协同效率，CXL 等互联标准成为关键。
- 供需关系收紧：服务器 CPU 价格上涨 10%~20%，交期由 1-2 周延长至 8-12 周，产业价值正被重新定价。
关键变化与分歧：
- 瓶颈转移：推理时代的瓶颈正从 GPU 浮点算力转移至 CPU 侧的请求处理、编排调度与数据加工。
- 执行模式改变：AI 运行模式从“一次性推理”变为“持续执行”，使得 CPU 密集型工作负载（如 RAG、沙箱执行）占比大幅提升。
受益方向与风险：
- 受益方向：国产 CPU 厂商（指令集自主化）、高性能服务器整机、虚拟化管理软件及边缘 AI 算力平台。
- 核心风险：AI 智能体落地不及预期、AI 商业化进展缓慢导致资本开支波动、行业竞争加剧导致份额流失。